MobileNet V2的PyTorch实施
+ Release of next generation of MobileNet in my repo *mobilenetv3.pytorch*
+ Release of advanced design of MobileNetV2 in my repo *HBONet* [ICCV 2019]
+ Release of better pre-trained model. See below for details.
如Mark Sandler，Andrew Howard，Menglong Zhu，Andrey Zhmoginov和Liang-Chieh Chen所讲的，使用框架对ILSVRC2012基准进行了。
此实现提供了一个示例过程，用于训练和验证任何流行的深度神经网络体系结构，并集成了模块化数据处理，训练，日志记录和可视化。
2022-04-27 17:02:51
108.22MB
1
用来解决gazebo仿真丢失sun和ground plane问题。将其放到/home.gazebo/文件夹下即可。
2022-04-25 18:01:12
121B
1
这项研究报告了在11 GHz和14 GHz的室内传播测量活动和信道表征的结果，它们是未来通信系统的候选频段。 测量程序可以表征视距（LOS）和非LOS（NLOS）通道的大型和小型统计数据。 基于这些测量，提出了对数距离路径损耗模型，并讨论了均方根（RMS）延迟扩展。 通过使用Kolmogorov-Smirnov，卡方检验和Anderson-Darling检验，发现Nakagami分布很好地描述了小规模衰落的统计数据。 提出了一种与距离有关的线性模型来预测Nakagami m参数。 此外，根据测量结果分析了这些信道参数的互相关性，并且在LOS条件下可以清楚地观察到阴影衰落，RMS延迟扩展和m因子之间的互相关性，而NLOS的阻塞减少了互相关性。相关性。
2022-04-20 22:15:18
3.62MB
1
今天这篇文章向大家展示如何使用segmentation_models.pytorch实现语义分割算法。
通过这篇文章，你可以学到：
1、如何使用segmentation_models.pytorch图像分割框架实现语义分割算法？
2、如何使用和加载语义分割数据集？
3、如何使用交叉熵和diceloss组合？
4、如何使用wandb可视化。
5、了解二分类语义分割的常用做法。
6、如何实现二分类语义分割的训练。
7、如何实现二分类语义分割的预测。
我会在文章的末尾放上本文用的代码和数据集，可以让无法复现的朋友，通过下载我的代码快速复现算法，但是我还是希望大家能一步一步的去操作。如果有错误，也欢迎大家指正，谢谢！
原文链接：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/124069990
2022-04-10 11:05:31
990.97MB
来自新加坡NUS图神经网络大牛Xavier Bresson教授关于生成模型VAE与GAN的总结PPT，全面概括了生成式模型VAE与GAN的应用，非常值得关注！
Variational autoencoders (VAE)
Lab on VAE
Generative Adversarial Networks (GAN)
Labs on GAN
Conclusion
2022-04-07 12:05:56
11.43MB
MegEngine模型
本仓库包含了采用实现的各种主流深度学习模型。
目录下提供了各种经典的图像分类，目标检测，图像分割以及自然语言模型的官方实现。每个模型同时提供了模型定义，推理以及训练的代码。
官方会一直维护下代码，保持适应MegEngine的最新API，提供最优的模型实现。同时，提供替代的学习文档，帮助新手学习如何在MegEngine下训练自己的模型。
概述
对于每个模型，我们提供了至少四个脚本文件：模型定义（ model.py ），模型推理（ inference.py ），模型训练（ train.py ），模型测试（ test.py ）。
每个模型目录下都柏林对应有一个README ，介绍了模型的详细信息，并详细描述了训练和测试的流程。例如。
另外， official下定义的模型可以通过megengine.hub来直接加载，例如：
import megengine.hub
# 只
2022-03-31 14:14:37
1.59MB
1
stanford-chinese-corenlp-2018-10-05-models，github 下载速度太慢，特地上传方便大家下载
2022-03-29 13:14:41
969.48MB
1